Opencv中的深度学习(人脸检测、车牌检测、DNN)

首先，无论是做检测还是DNN图像分类，所有的模型或配置文件都需要从以下三个网站中下载IT大牛们帮我们创建的各种分类器：

# 人脸检测
''' https://github.com/opencv/opencv/tree/master/data/haarcascades '''
# googlenet caffemodel权重文件
''' http://dl.caffe.berkeleyvision.org/ '''
# googlenet caffemodel配置文件
''' https://github.com/opencv/opencv_extra/tree/master/testdata/dnn '''

下面将会围绕三个主要例子进行讲解，代码可直接copy：

1. 人脸检测之哈尔（Haar）级联法：对完整脸部的有较好的检测效果，但对于不完整脸部识别效果差，这是传统算法的缺陷所在，泛化能力比较差。

函数参数：detectMultiScale（img，scaleFactor，minNeighbors）

scaleFactor：缩放尺寸。
minNeighbors：最小像素值。

代码案例(以视频流为例)：

import cv2
# 创建Haar级联器
facer = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
cap = cv2.VideoCapture(0)
while (1):# get a frameret, frame = cap.read()# 调用接口faces = facer.detectMultiScale(frame, 1.1, 5)for (x, y, w, h) in faces:cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)cv2.imshow('img', frame)if cv2.waitKey(1) & 0xFF == ord('q'):break
cap.release()
cv2.destroyAllWindows()

Haar级联器还可以对脸部中细节特征进行识别，比如对眼睛进行检测(以图像为例)：

import cv2
# 创建Haar级联器
facer = cv2.CascadeClassifier('./haarcascades/haarcascade_frontalface_default.xml')
eyer = cv2.CascadeClassifier('./haarcascades/haarcascade_eye.xml')
img = cv2.imread('p3.png')
# 调用接口
faces = facer.detectMultiScale(img , 1.1, 5)
i = 0
for (x,y,w,h) in faces:cv2.rectangle(img, (x,y), (x+w, y+h), (0,0,255), 2)ROI_img = img[y:y+h, x:x+w]eyes = eyer.detectMultiScale(ROI_img, 1.1, 5)for (x,y,w,h) in eyes:cv2.rectangle(ROI_img, (x,y), (x+w, y+h), (0,255,0), 2)i += 1name = 'img'+str(i)cv2.imshow(name, ROI_img)
cv2.waitKey()

2. Haar+Tesseract 车牌检测：

Haar级联器仅用于定位车牌的位置。精度还是很不错的。
Tesseract用于提取其中的内容，但其精度要逊色与OCR。tesseract是Python的一个OCR(光学字符识别)库。tesseract的exe下载路径为：https://github.com/UB-Mannheim/tesseract/wiki 安装成功后会在相应磁盘下有Tesseract-OCR文件夹。

代码案例(以图像流为例)：

import pytesseract
# 创建Haar级联器
carer = cv2.CascadeClassifier('./haarcascades/haarcascade_russian_plate_number.xml')
img = cv2.imread('chinacar.jpeg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 调用接口
cars = carer.detectMultiScale(gray, 1.1, 3)
for (x,y,w,h) in cars:cv2.rectangle(img, (x,y), (x+w, y+h), (0,0,255), 2)
# 提取ROI
roi = gray[y:y+h, x:x+w]
# 二值化
ret, roi_bin = cv2.threshold(roi, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# 文字识别
pytesseract.pytesseract.tesseract_cmd = r"E:\Tesseract_OCR\tesseract.exe"
text = pytesseract.image_to_string(roi, lang='chi_sim+eng',config='--psm 8 --oem 3')
print(text)
cv2.putText(img, text, (20,100), cv2.FONT_HERSHEY_SIMPLEX, 2, (0,255,255), 3)
cv2.imshow('img', img)
cv2.waitKey()

3. DNN图像分类

Opencv中的DNN尽可以支持检测，但不能训练。
DNN使用步骤：
- 读取模型，得到网络结构：readNet（model，[config]）
- 读取数据（图片或视频）。
- 将图片转成张量：blobFromImage（image，scalefactor，size，mean，swapRB，crop）
- 送入网络：net.setInput（blob）
- 模型输出结果：net.forward（）

使用案例：

# 导入模型
config = "./model/bvlc_googlenet.prototxt"
model = "./model/bvlc_googlenet.caffemodel"
net = dnn.readNetFromCaffe(config, model)# 加载图片，转成张量
img = cv2.imread('./smallcat.jpeg')
blob = dnn.blobFromImage(img, 1.0, (224,224), (104,117,123))# 模型推理
net.setInput(blob)
r = net.forward()
idxs = np.argsort(r[0])[::-1][:5]# 分类结果展示
path = './model/synset_words.txt'
with open(path, 'rt') as f:classes = [x[x.find(" ")+1:]for x in f]
for (i, idx) in enumerate(idxs):
# 将结果展示在图像上if i == 0:text = "Label: {}, {:.2f}%".format(classes[idx],r[0][idx] * 100)cv2.putText(img, text, (5, 25),  cv2.FONT_HERSHEY_SIMPLEX,0.7, (0, 0, 255), 2)
# 显示图像
cv2.imshow("Image", img)
cv2.waitKey(0)

Opencv中的深度学习(人脸检测、车牌检测、DNN)相关推荐

在OpenCV中基于深度学习的边缘检测
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自:AI算法与图像处理导读分析了Canny的优劣,并给出 ...
使用深度学习进行自动车牌检测和识别
作者 | 小白来源 | 小白学视觉介绍在现代世界的不同方面,信息技术的大规模集成导致了将车辆视为信息系统中的概念资源.由于没有任何数据,自主信息系统就没有任何意义,因此需要在现实和信息系统之间改 ...
【深度学习】使用深度学习进行自动车牌检测和识别
介绍在现代世界的不同方面,信息技术的大规模集成导致了将车辆视为信息系统中的概念资源.由于没有任何数据,自主信息系统就没有任何意义,因此需要在现实和信息系统之间改革车辆信息.这可以通过人工代理或特殊智 ...
C＃中的深度学习：预处理硬币检测数据集
在这里,我们将预处理硬币数据集,以供以后在监督学习模型中进行训练.在机器学习中预处理数据集通常涉及以下任务: 下载源1.5 MB 清理数据--通过平均周围数据的值或使用其他策略来填补丢失或损坏的数据留 ...
图像识别中的深度学习【香港中文大学王晓刚】
深度学习发展历史深度学习是近十年来人工智能领域取得的重要突破.它在语音识别.自然语言处理.计算机视觉.图像与视频分析.多媒体等诸多领域的应用取得了巨大成功.现有的深度学习模型属于神经网络.神经网络的 ...
图像识别中的深度学习
图像识别中的深度学习来源:<中国计算机学会通讯>第8期<专题> 作者:王晓刚深度学习发展历史深度学习是近十年来人工智能领域取得的重要突破.它在语音识别.自然语言处理.计算 ...
OpenCV深度学习人脸识别示例——看大佬如何秀恩爱
(欢迎关注"我爱计算机视觉"公众号,一个有价值有深度的公众号~) 提到OpenCV人脸识别,你是否还停留在Haar级联人脸检测+LBP特征人脸识别上?对于小规模数据库如何用Open ...
「每周CV论文推荐」初学深度学习人脸关键点检测必读文章
人脸关键点检测是人脸图像中重要的基石,今天给大家介绍入门深度学习人脸关键点检测必读的文章. 作者&编辑 | 言有三 1 DCNN Cascade 听这个名字就知道是一个很早期的,使用Casca ...
【每周CV论文推荐】初学深度学习人脸关键点检测必读文章
欢迎来到<每周CV论文推荐>.在这个专栏里,还是本着有三AI一贯的原则,专注于让大家能够系统性完成学习,所以我们推荐的文章也必定是同一主题的. 人脸关键点检测是人脸图像中重要的基石,今天给 ...

Opencv中的深度学习(人脸检测、车牌检测、DNN)

Opencv中的深度学习(人脸检测、车牌检测、DNN)相关推荐

最新文章

热门文章